Question

所以我回来时用更加冒险的方法来处理我使用R操作的数千个.CSV文件。我可以导入，合并每十个文件，重命名columb标题，保存新的.CSV等，但结果仍然是分析操作很麻烦。

我需要的是什么;每10个文件放入一个矩阵或合并为一个文件（参见下面的文件示例）。列是频率，频道A （以及后来的频道B ）。只需 F ， A 和 B ， F 值对于每个文件都是相同的（因此我是思考matrix）。最后我会以标题

结束

| *F* | *A1* | *B1* | *A2* | *B2* | *A3* | *B3* |

等......到10。

在matrix / bind_col循环内部，是否可以在wrie.csv之前对值 A1-10 执行某些数学运算？每个频率的平均值和平均值的几个新列。我也需要其他人，但我会自己解决。

    +------------+-------------+
    |  Frequency |  Channel A  |
    |    (MHz)   |    (dBV)    |
    +------------+-------------+
       0.00000000,-27.85117000
       0.00007629,-28.93283000
       0.00015259,-32.89576000
       0.00022888,-43.54568000
    ---
    Continued...
    ---
      19.99977312,-60.59710000
      19.99984941,-48.58142000
      19.99992571,-43.29094000

谢谢你的时间，我知道我花了太多的调试，现在我正在寻找一种更优雅的方法。 PS：我的格式怎么样？表和.CSV风格错误！

Answer 1

如果没有一个更好的示例来回答每个文件的样子，以及您希望输出的内容，以及一些示例代码。

文件是否足够小，您可以一次加载所有1000？

如果是我的话，我会从下面开始。

library(data.table)

filenames <- list.files(pattern = ".csv$")

list_data <- vector(mode = "list", length = length(filenames))

i <- 1
for (file in filenames){
  list_data[[i]] <- fread(file)
  i <- i + 1
}

dat <- rbindlist(list_data, use.names = TRUE, fill = TRUE)

之后，您可以使用所有有用的data.table功能。

dat[, .(meanA = mean(A), stdevA = sd(A)), by = Frequency]

R 1000+ .CSV文件合并和频率分析

1 个答案: